Pesquisa Fast Forward Labs agora disponível sem assinatura
Em breve, todos os novos reports estarão disponíveis ao público e para download gratuito. Além disso, oferecemos acesso a versões atualizadas de reports mais antigos ao longo do tempo. Por isso, volte sempre para explorar a pesquisa gratuita disponível.
Seus melhores amigos nerds de dados
Apesar do que promete, o machine learning pode ser assustador. Os melhores esforços podem ser rapidamente prejudicados pela incerteza sobre um cenário técnico em rápida mudança, perplexidade quanto à melhor forma de criar e organizar equipes e dificuldade em separar a publicidade exagerada da realidade.
Permita que os executivos e equipes de ciência de dados se concentrem no futuro dos negócios com uma equipe de pesquisa virtual dedicada que monitora continuamente as mais recentes técnicas e práticas recomendadas do setor, determinando a melhor forma de aplicá-las aos seus difíceis problemas de negócios.
A pesquisa do Cloudera Fast Forward Labs concentra-se nas tendências emergentes que ainda estão mudando devido a avanço algorítmico, avanço de hardware, comoditização tecnológica e disponibilidade de dados. Acompanhando os reports, há protótipos funcionais que exibem os recursos do algoritmo e oferecem conselhos técnicos detalhados sobre sua aplicação prática.
O que há em um report de pesquisa?
Um report de pesquisa do Cloudera Fast Forward Labs abre novos casos de uso para seus dados e oferece uma vantagem vital através de:
- Reports de pesquisa, focados em diferentes dados emergentes e recursos habilitados para machine learning que serão relevantes em um período de seis meses a dois anos
- Um protótipo demonstrando sua aplicação
Além disso, você pode assinar nosso boletim informativo para receber atualizações sobre novas pesquisas e desenvolvimentos no campo.
Pesquisa mais recente
GRATUITO
Inferindo o desvio de conceito sem dados rotulados
O desvio de conceito ocorre quando as propriedades estatísticas de um domínio alvo mudam com o tempo, causando a degradação do desempenho do modelo. A detecção de desvio geralmente é obtida monitorando uma métrica de desempenho de interesse e acionando um pipeline de reciclagem quando essa métrica cai abaixo de algum limite designado. No entanto, essa abordagem pressupõe que amplos dados rotulados estejam disponíveis no momento da previsão - uma restrição irreal para muitos sistemas de produção. Neste relatório, exploramos várias abordagens para lidar com o desvio de conceito quando os dados rotulados não estão prontamente acessíveis.
GRATUITO
Explorando a otimização de hiperparâmetros multiobjetivos
Desenvolvemos modelos de machine learning contra as métricas “suspeitas comuns”, como precisão preventiva e recall. No entanto, essas métricas raramente são de fato tudo com o que temos que nos preocupar. Os modelos de produção também devem satisfazer requisitos físicos , como latência ou pegada de memória, ou restrições de justiça. A otimização de hiperparâmetros se torna ainda mais desafiadora quando temos várias métricas para otimizar. Nossa pesquisa mais recente examina esse cenário de otimização de hiperparâmetros “multiobjetivo” em detalhes.
Serviços de consultoria em machine learning Cloudera
Entenda onde focar recursos valiosos, como implementar práticas eficazes e como acelerar a mudança do desenvolvimento para a produção, evitando becos sem saída técnicos.
O Blog do Fast Forward Labs
-
Getting Started with Machine LearningAn introduction to Machine Learning and the Data Science Lifecycle The post Getting Started with Mac...
-
In AI we trust? Why we Need to Talk About Ethics and Governance (part 2 of 2)Increase in AI adoption means higher risks for data bias and misinformation. What are the challenges...
Acompanhe o amanhã
Assine nosso boletim informativo mensal e receba as últimas novidades em inteligência artificial aplicada, além de notícias e eventos da empresa.